當技術邏輯遇上金融敘事，思維模型的衝撞

今天早上，參與了東華大學 EMBA 主辦的讀書會講座 【AI、美元、黃金。你的財富】

其實我原先的目的很明確：希望能從蕭朝興教授的觀點中，拆解出關鍵的市場特徵值（Features），看看是否能整合進我正在研究的 RAG（檢索增強生成）架構，或是用來作為 Transformer 模型 的權重參數，打造一個更精準的 AI 投資輔助工具。 但整場聽下來，我經歷了劇烈的「預期落差」與「認知衝撞」。

消失的參數與避重就輕的敘事

坦白說，現場沒有我預期的量化指標討論。兩位教授更多是從宏觀歷史與地緣政治的角度切入。 讓我比較無法苟同的是，講座中瀰漫著一種強烈的「看空美國、看多中國」的論調。

老師花了很大篇幅放大美國的債務與通膨困境，卻對中國目前面臨的通縮、房地產泡沫與內部債務問題避重就輕。 雖然講師強調無關政治，但這種「選擇性」的風險揭露，讓我們這種習慣 Debug 的人聽得心裡充滿問號。這就像是寫程式只檢查了 input 的錯誤，卻無視核心邏輯的 bug，這樣的推論真的很難讓人全盤買單。

資訊人的直覺與現場驗證 (Verification)

身為技術人，我直覺上更相信「算力」與「生態系」構築的技術護城河。對於講師大力推崇中國 AI 的「落地應用」勝過美國的「技術泡沫」，我當下是存疑的。 但我還是立馬直接拿手機用gemini 詢問：「美國有 HuggingFace，那中國呢？ 」來進行即時查證。

原本以為在硬體受限下會是一片荒蕪，卻意外發現了他們的 「ModelScope」 生態系。這讓我意識到：雖然缺乏頂級算力（Infrastructure），但他們確實走出了另一條側重於「微調」與「快速落地」的路徑。 這是今天意外的收穫—— 不一定要認同講師的立場，但必須承認市場生存的策略是多樣的。

但我想說，美國的ai落地商模甚至比中國更早，但國情不同方式不同，你不知道不代表沒有。

氣候變數：無法忽視的系統性風險

相較於 AI 觀點的激烈碰撞，下半場翁胤哲教授關於氣候變遷的論述則讓身為花蓮人的我很有共鳴。看到南極冰川融化對花蓮港區影響的模擬圖，提醒了我們：未來的系統開發或決策，除了追求效率（Speed），「永續性（Sustainability）」將是無法迴避的系統性風險參數。

雖然這場講座沒有提供我原本想要的「投資參數」，且對於講師的地緣政治判斷我持保留態度，但這種「技術思維」與「傳統金融視角」的衝撞本身就很有價值，即便只發生在我的腦中。